基于dplyr将缺失n_symp对应的fuX_date转为NA的技术需求

现有一个大型DataFrame，包含fu1_至fu20_共20组随访数据，每组由随访日期（fuX_date，Date类型）和对应症状数（fuX_n_symp）组成。要求仅使用dplyr实现：当某组的fuX_n_symp为NA时，将对应的fuX_date转为NA。

原始数据示例：

> df
    fu1_date fu1_n_symp   fu5_date fu5_n_symp   fu7_date fu7_n_symp
1 2012-03-05          1 2014-03-05         NA 2016-03-05          1
2 2013-08-09          1 2015-10-09          2 2017-11-09         NA
3 2019-05-05          1 2020-06-07          2 2021-07-09          2

期望处理结果：

> df
    fu1_date fu1_n_symp   fu5_date fu5_n_symp   fu7_date fu7_n_symp
1 2012-03-05          1       <NA>         NA 2016-03-05          1
2 2013-08-09          1 2015-10-09          2       <NA>         NA
3 2019-05-05          1 2020-06-07          2 2021-07-09          2

数据结构定义：

df <- structure(list(fu1_date = structure(c(15404, 15926, 18021), class = "Date"), 
    fu1_n_symp = c(1L, 1L, 1L), fu5_date = structure(c(16134, 
    16717, 18420), class = "Date"), fu5_n_symp = c(NA, 2L, 2L
    ), fu7_date = structure(c(16865, 17479, 18817), class = "Date"), 
    fu7_n_symp = c(1L, NA, 2L)), class = "data.frame", row.names = c(NA, -3L))

利用dplyr的mutate()和across()函数批量处理所有随访组，通过列名匹配实现条件赋值：

library(dplyr)

df_processed <- df %>%
  mutate(
    # 批量处理fu1_date到fu20_date列
    across(paste0("fu", 1:20, "_date"), 
           ~ ifelse(is.na(get(gsub("_date", "_n_symp", cur_column()))), NA, .))
  )

代码说明 #

• paste0("fu", 1:20, "_date")：生成全部20个随访日期列的名称，确保覆盖所有目标列。
• gsub("_date", "_n_symp", cur_column())：将当前处理的日期列名转换为对应的症状数列名（如fu5_date→fu5_n_symp）。
• get(...)：获取对应症状数列的数值，判断是否为NA。
• ifelse()：根据症状数是否为NA，决定保留原日期或设为NA。

内容的提问来源于stack exchange，提问作者cmirian